(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211298502.8 (22)申请日 2022.10.24 (71)申请人 广东科凯达智能机 器人有限公司 地址 528000 广东省佛山市顺德区大良街 道五沙社区新凯路7号科盈国际工业 园一期厂房二首层104单元及二层201 单元 (72)发明人 钟小芳　魏钰尧　陈曦　王嘉利　 (74)专利代理 机构 佛山市禾才知识产权代理有 限公司 4 4379 专利代理师 梁永健 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/46(2022.01) G06V 10/75(2022.01)G06V 10/74(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) (54)发明名称 一种基于特征点的异 物检测方法和系统 (57)摘要 一种基于特征点的异物检测方法和系统， 包 括以下步骤: 对电力隧道内的多个巡检点环境进 行拍摄， 获取模板图片， 并对模板 图片进行sift 特征点提取， 其中模板图片不包含除电力装置以 外的异常； 获取巡检时的检查图片， 对检查图片 进行sift特征点提取； 根据第一特征点与第二特 征点对检查图片与模板图片进行对齐操作； 重新 对对齐后的模板图片和检测图片进行sift特征 点提取， 比较对齐后的检测图片以及检测图片， 获取两者之间不能相互匹配的特征点； 获取模板 图片与匹配图片中对应聚类区域的相似度， 若相 似度低于相似度阈值， 则将该聚类区域标记为异 常。 本方法能够准确高效地自动定位出电力隧道 内的遗留物， 极大地减少了巡检工作人员的工作 量， 提高了 工作效率。 权利要求书3页 说明书7页 附图4页 CN 115376073 A 2022.11.22 CN 115376073 A 1.一种基于特 征点的异 物检测方法， 其特 征在于， 包括以下步骤: 步骤S1： 对电力隧道内的多个巡检点环境进行拍摄， 获取模板图片， 并对模板图片进行 sift特征点提取， 得到每 个模板图片的至少一个第一特 征点； 获取巡检时的检查图片， 对检查 图片进行sift特征点提取， 得到每个检查图片中至少 一个第二特 征点； 步骤S2： 根据第一特 征点与第二特 征点对检查图片与模板图片进行对齐操作； 步骤S3： 重新对对齐后的模板图片和检测图片进行sift特征点提取， 分别得到至少一 个第三特 征点与第四特 征点； 步骤S4： 比较对齐后的检测图片以及检测图片， 获取两者之间不能相互匹配的特征点， 并对检测图片与模板图片中不匹配的特 征点进行保存； 步骤S5： 对不匹配的特 征点进行聚类， 获取 得到多个聚类区域； 获取模板 图片与匹配图片中对应聚类区域的相似度， 若相似度低于相似度阈值， 则将 该聚类区域标记为异常。 2.根据权利要求1所述的一种基于特征点的异物检测方法， 其特征在于， 所述步骤S1、 步骤S2与步骤S3中提取sift特 征点的方法如下： 调用第三方图像处 理库Opencv自带的API接口cv.sift_create （ ） ； 输入待提取sift特征点的图片， 获取 图片中的sift特征点， 其中每一个sift特征点由 一个二维坐标点(x,y)和一个128维的特 征向量进行表示。 3.根据权利要求1所述的一种基于特征点的异物检测方法， 其特征在于， 步骤S2中对齐 操作包括如下步骤: 步骤S21： 采用K近邻方法对第一特征点与第二特征点进行匹配， 获取模板图片与检查 图片中的匹配成功的所有匹配点对； 步骤S22： 调用匹配点对计算法获取得到模板图片的仿射变化矩阵， 基于模板图片的仿 射变化矩阵对检测图片进行仿射， 得到 仿射变化后的检测图片； 步骤S23： 调用仿射变化矩阵对检测图片的两个对角坐标分别进行仿射变化， 得到变化 后的对角坐标； 基于变化后的对角坐标分别对模板图片与检测图片进行裁剪， 分别得到对齐后的模板 图片与检测图片。 4.根据权利要求1所述的一种基于特征点的异物检测方法， 其特征在于， 所述步骤S4的 具体步骤如下： 步骤S41： 采用K近邻方法对第三特征点与对应第四特征点进行匹配， 获取模板图片与 检查图片中的匹配成功的所有匹配点对； 步骤S42： 在所述检测图片与模板图片中滤除所述匹配点对， 分别得到检测图片与模板 图片中不匹配的特 征点， 并进行保存。 5.根据权利要求1所述的一种基于特征点的异物检测方法， 其特征在于， 所述步骤S5的 具体步骤如下： 步骤S51： 选取不匹配的特征点集中的任一特征点， 获取该特征点与不匹配的特征点集 中所有的特征点的欧氏距离， 若两个特征点之间的欧式距离小于距离阈值， 则将欧式距离 小于距离阈值的特 征点作为 一个聚类；权　利　要　求　书 1/3 页 2 CN 115376073 A 2步骤S52： 将形成聚类的特 征点从所述 不匹配的特 征点集中去除； 步骤S53： 重复步骤S51~S52， 直到将所有的不匹配的特征点集中所有的特征点都进行 聚类； 步骤S54： 在每一个聚类中， 获取该聚类中特征点的平均纵坐标与平均横坐标， 作为该 聚类的中心坐标， 以所述中心坐标为中心构建出一个矩形框作为所述聚类区域； 步骤S55： 以所述聚类区域为范围界限分别在所述检测图片与模板图片中裁剪出第一 对比图与第二对比图； 对比第一对比图与第二对比图之间的相似度， 若两者之间的相似度低于相似度阈值， 则将该聚类区域标记为异常； 步骤S56： 重复步骤S54~S55， 直至历遍所有的聚类。 6.根据权利要求5所述的一种基于特征点的异物检测方法， 其特征在于， 所述步骤S55 中对比第一对比图与第二对比图之间的相似度过程如下： 分别获取第 一对比图与第 二对比图的红色通道图片、 绿色通道图片、 和蓝色通道图片， 分别使用直方图方法计算三个颜色通道图片的相关性， 平均三个颜色通道图片的相关性， 作为第一相似度； 通过SSIM算法计算得到第一对比图片与第二对比图片的结构相似度， 作为第二相似 度； 将第一相似度与第二相似度进行线性相加， 得到最终相似度； 若两者之间的最终相似度低于相似度阈值， 则将该聚类区域标记为异常。 7.根据权利要求3所述的一种基于特征点的异物检测方法， 其特征在于， 使用所述K近 邻方法的具体方式如下： 调用第三方图像处理库Opencv自带的API接口cv.knnMatch （ ） ， 输入第一特征点与第二 特征点， 得到匹配成功的所有匹配点对。 8.根据权利要求2所述的一种基于特征点的异物检测方法， 其特征在于， 获取得到模板 图片的仿射变化矩阵的具体方式如下： 接调用第三方图像 处理库Opencv自带的API接口cv.  estimate_affine （ ） ， 输入匹配点 对， 得到所述模板图片的仿射变化矩阵； 对检测图片进行仿射的具体方式如下： 调用第三方图像处理库Opencv自带的API接口cv.  warpAffine （ ） ， 输入仿射变化矩阵 以及检测图片， 得到 仿射变化后的检测图片。 9.一种基于特征点的异物检测系统， 使用权利要求1~8任一项所述一种基于特征点的 异物检测方法， 其特 征在于， 包括： 第一特征点获取模块、 对齐模块、 第二特 征点获取模块、 去除模块以及判断模块； 所述第一特征点获取模块用于对电力隧道内的多个巡检点环境进行拍摄， 获取模板图 片， 并对模板图片进 行sift特征点提取， 得到每个模板图片的至少一个第一特征点， 其中所 述模板图片不包 含除电力装置以外的异常； 获取巡检时的检查图片， 对检查 图片进行sift特征点提取， 得到每个检查图片中至少 一个第二特 征点； 所述对齐模块用于根据第一特征点与第二特征点对检查图片与模板图片进行对齐操权　利　要　求　书 2/3 页 3 CN 115376073 A 3